MIT报告追问：AI时代，大学还值得上吗？

MIT与AI发展深度绑定，但如今它开始反思：AI会不会颠覆大学教育本身？在MIT一场教师听询会上，有人提出：既然AI Agent做研究助理又快又便宜，UROP（本科生研究项目）是否还要招学生？对经费紧张的实验室，这很难不心动；但对校长而言，必须回答大学为何要让学生花四年聚在一起。

2026年8月，MIT发布38页内部报告《AI在教学、学习与研究训练中的使用》，由五个学院的教授、学生和行政人员历时五个月完成。真正值得追问的是：当AI能完成MIT本科课程大部分作业时，大学教育还剩下什么？

MIT 2026年春季调查显示：46%本科生每天使用大模型，超80%用它讲解课程内容；同时90%担心过度依赖AI，67%表示“非常担心”。ChatGPT发布前，MIT以学习小组文化著称，学生围白板争论数学证明是标志性场景。近三年，随着AI和Agent普及，教授答疑时间冷清，线上讨论区参与度下滑，宿舍和图书馆的线下学习小组正在消失。MIT将此归因于AI制造了“学习的幻觉”，可借用“认知投降”概念：学生从聊天机器人迅速得到答案，大脑产生“我已理解”的错觉，实际在遇到困难的瞬间就把思考外包了，而真正学习恰恰发生在解决困难的瞬间。同时，教师被迫花大量精力判断作业是否由AI完成，学生恐惧被检测器误判，师生间互相猜疑，形成教师不信任学生、学生不信任教师、AI检测工具不值得任何人信任的三输局面。

报告提出八项指导原则，贯穿三条主线。第一，姿态上保持谦卑与果敢：把AI教育政策当一次性任务是战略错误，任何今天正确的政策都可能被明天技术进展推翻，但不确定性不能成为不作为借口，应建立持续迭代机制。第二，回归教育本质，允许犯错：UROP的意义是教育，不是给教授提供廉价科研劳动力。本科生花三周做的文献综述可能不如AI三分钟生成，但那三周里走弯路、犯错误、和导师讨论、观察研究生工作，才是UROP真正要提供的。若把这些优化掉，UROP只剩空壳。同样，当教师用AI生成讲义、批改作业、撰写反馈，学生会质疑“为何还要来上课”。MIT校报投票显示，大多数学生对AI助教形式感到不适。报告因此提出对等要求：教师必须披露自己的AI使用情况，双向透明是重建信任的前提。第三，借用MIT三位经济学家Daron Acemoglu、David Autor和Simon Johnson提出的“亲劳动者AI”概念，平移为“亲学习者AI”：AI应扩展学生能思考、能学习、能解决的边界，而非替学生免除思考、学习和创造中困难但有价值的部分。MIT称之为“艰难的乐趣”，AI应增强好奇心与判断力，而非通过自动化让其消失。

落地方法有三。一是反向设计：不要先问“这门课该不该禁用AI”，而应先定义“学生结课时应该会什么”，再倒推作业与考核形式，AI有用就用、无用就弃。配套考核指向AI难以代劳的形式：口试、学期作品集、课外作业搭配课上当面对谈，考察过程而不仅是结果。二是制定规矩清单：提供完全开放AI（绿色）、仅限辅助AI（黄色）、强制使用AI（蓝色）、严格禁止AI（红色）四档，每门课选一档写进教学大纲并附理由。这降低教师决策负担，也通过“必须附理由”让教学目的更清晰：若说“禁止AI因为用AI是作弊”，学生得到规则；若说“禁止AI因为你需亲自经历从错误中学习的过程，这过程AI无法替代”，学生得到关于学习本质的认知。三是明确建议不要依赖AI检测器：检测器查不出灰色地带使用，会把非母语者和部分学生文字误判为AI生成，且监控姿态本身制造师生对立。与其投入资源抓作弊，不如设计让作弊失去意义的评估方式。

教育是“源于人、由人塑造，最终服务于人”。当机器越来越擅长给出答案，大学存在的理由反而要回归初心：学生来此不是为了获取信息，而是为了在与人的碰撞中获取独特乐趣，长成仅靠自己学习无法长成的样子。2025年秋季校报调查中，超三分之二学生认为AI对职业生涯至关重要，但只有25%觉得MIT在“教他们如何专业地使用AI”上真正做到了。这个供给缺口恐怕不只是MIT的问题。大学要跟上AI时代，才能给学生提供好土壤；学生也应根据大学对AI的态度重新选择大学。